公开(公告)号：CN110678820B

公开(公告)日：2022-10-18

申请号：CN201780091201.9

申请日：2017-05-26

Applicant: 三菱电机楼宇解决方案株式会社 ,  三菱电机株式会社

Inventor： 植田依瑞美 ,  内藤雅将 ,  镰形慎一郎 ,  吉村玄太

IPC: G05B23/02

Abstract: 预测值计算部(40)基于大楼(18)内的各设备正常运行时由传感器组(12)取得的多个检测值信息，来计算被预测为如果设备正常运行则各传感器会检测到的检测预测值。异常度计算部(42)基于各传感器的检测预测值与各传感器的实际的检测值之间的差异，来计算各传感器的异常度。异常重要度计算部(46)不仅基于某个传感器检测到异常值的异常检测时的该传感器的异常度，还基于异常检测时的该关注传感器以外的传感器即其他传感器的异常度，来计算该关注传感器的异常重要度。

公开(公告)号：CN114303161A

公开(公告)日：2022-04-08

申请号：CN201980099906.4

申请日：2019-09-06

Applicant: 三菱电机株式会社

Inventor： 吉村玄太

IPC: G06N20/00

Abstract: 学习装置(100、100a、100b)具有：学习用数据取得部(109)，其取得多个学习用数据，1个学习用数据是基于包含时间序列的观察值的1个或多个时间序列数据中的1个时间序列数据的第1信息、基于包含彼此不同的至少2个预测期间的多个预测期间中的1个预测期间的第2信息、以及基于经过预测期间后的观察值的第3信息的组合；以及学习部(110)，其将组合学习用数据中的第1信息和第2信息而成的信息作为说明变量，并且将第3信息作为响应变量，使用学习用数据取得部(109)取得的多个学习用数据进行学习，生成能够推理经过指定的预测期间后的推理观察值的已学习模型。

公开(公告)号：CN107615306A

公开(公告)日：2018-01-19

申请号：CN201580080534.2

申请日：2015-08-31

Applicant: 三菱电机株式会社

Inventor： 松本涉 ,  吉村玄太 ,  赵雄心

IPC: G06N3/04

CPC classification number: G06N3/04 ,  G06N3/0445 ,  G06N3/0454 ,  G06N3/084 ,  G06N3/088

Abstract: 第1中间层活性度计算部(5)参照存储于第1中间层存储部(2)的索引，从由输入层活性度计算部(1)计算出的输入层的各节点的活性度和存储于第1中间层存储部(2)的各边缘的权重和偏移值中，取得与第1中间层的各节点有连接关系的输入层的各节点的活性度、各边缘的权重和偏移值，使用该取得的输入层的各节点的活性度、各边缘的权重和偏移值计算第1中间层的各节点的活性度。由此，能够削减进行推论时的计算量和存储量。此外，能够得到更高的推论精度。